概览
Mirobody Health 可以处理多种健康相关文件,自动提取健康指标并用于 AI 分析。你可以上传检验报告、医疗记录等健康文档,从而构建完整的健康历史。支持的文件类型
PDF Documents
检验报告、医疗记录、处方等
Images
JPEG、PNG、GIF、WebP、HEIC——扫描件与照片
Audio Files
WAV、MP3、AIFF、AAC、OGG、FLAC——语音记录
Genetic Data
基因检测报告与分析文件
工作原理
1
上传文件
通过 Web 界面或 API 上传健康文档。文件会被安全存储并加密。
2
自动处理
系统会自动:
- 识别文件类型与内容
- 从文档中提取文本与数据
- 识别健康指标(检验结果、生命体征等)
3
健康指标提取
LLM 会分析文档并提取:
- 检验结果(血液检查、代谢面板等)
- 生命体征(血压、心率、体重等)
- 医疗测量值与医生观察记录
- 检测日期与参考范围
4
查询与分析
处理完成后,你可以:
- 针对健康数据提问
- 追踪指标随时间的变化
- 生成健康摘要与报告
可提取的健康指标
系统可自动提取多类健康数据:Laboratory Tests
Laboratory Tests
- Complete Blood Count:WBC、RBC、Hemoglobin、Platelets
- Metabolic Panel:Glucose、Liver enzymes、Kidney function
- Lipid Panel:Cholesterol、Triglycerides、HDL、LDL
- Thyroid Function:TSH、T3、T4
- Tumor Markers:多种肿瘤筛查指标
Physical Measurements
Physical Measurements
- 血压(收缩压/舒张压)
- 心率与脉搏
- 体重与 BMI
- 身高
- 体温
- 血氧饱和度(SpO2)
Device Data
Device Data
当与已连接设备数据结合时:
- 活动与运动数据
- 睡眠模式
- 心率变异性
- 每日步数
文件上传
Via Web Interface
- 登录你的 Mirobody Health 实例
- 进入对话(chat)界面
- 点击文件上传按钮
- 选择健康文档
- 可选:添加文件备注
- 上传并等待处理完成
Via API
面向需要集成上传能力的开发者:更详细的 API 文档(包括带进度跟踪的 WebSocket 上传)请参见文件处理实现指南。
配置
在config.yaml 中启用健康指标提取:
config.yaml
隐私与安全
Data Encryption
Data Encryption
- 文件传输全程加密(HTTPS)
- 文件存储在对象存储中并加密
- 需要安全的 token-based 认证
Data Control
Data Control
- 数据完全归你所有
- 文件可随时删除
- 级联删除会移除全部关联数据
- 自托管部署让数据留在你的服务器上
Processing
Processing
- 文件处理使用配置的 LLM providers(Google Gemini)
- 提取的数据仅存储在你的数据库中
- 不与第三方共享数据
文件管理
Viewing Files
所有上传的文件可以通过以下方式访问:- 带附件的对话历史
- 消息详情中的文件列表
- 直接文件 URL(需认证)
Deleting Files
删除文件步骤:- 进入包含该文件的消息
- 选择要删除的文件
- 确认删除
- 对象存储
- 数据库记录
- 健康指标数据
最佳实践
故障排查
File upload fails
File upload fails
Solutions:
- 检查文件大小(建议单文件 < 50MB)
- 确认认证 token 有效
- 确认文件类型受支持
- 查看 server logs 获取具体错误原因
No indicators extracted
No indicators extracted
Solutions:
- 确认配置中
ENABLE_INDICATOR_EXTRACTION: 1 - 确认
GOOGLE_API_KEY已配置且有效 - 检查文件是否包含可识别的健康数据
- 尝试上传更清晰/更高分辨率的图片
Processing takes too long
Processing takes too long
Expectations:
- 小文件(< 5MB):10–30 秒
- 大 PDF(> 20MB):1–3 分钟
- 多页文档:耗时更长,但会并行处理
技术细节
面向需要更深入细节的开发者与高级用户:- WebSocket upload protocol
- REST API endpoints and parameters
- Processing pipeline architecture
- Data models and schemas
- Error handling and best practices
File Processing Implementation Guide
文件上传与处理的完整技术文档